文章目錄

• • 前言
  • 1 下載
  • 2 說明
  • • • 2.1 devkit_object
      • 2.2 data_object_calib
      • 2.3 data_object_label_2
      • 2.4 data_object_image_2
      • 2.5 data_object_velodyne
  • 3 使用
  • 相關傳送門

前言

KITTI 是自動駕駛領域最著名的數據集，本文不做科普，只講干貨！！！話不多說，進入正題，看完本文，你將得到網盤下載地址，數據集使用說明，足夠你復現別人的工作，進而開展自己的工作！

1 下載

如下圖，大家根據自己工作的需要，自行選擇要下載的內容，別急，馬上送上網盤鏈接

本文的最大福利來啦，以上數據集的網盤鏈接分享給大家，拿走不謝，好心人點個贊即可。
鏈接：https://pan.baidu.com/s/1oc1hzIEer3MNeV6gHR2OTA
提取碼：qifd

2 說明

本節給大家解讀一下我們下載的數據。

2.1 devkit_object

目錄結構如下

devkit_object ├── cpp ├── mapping ├── matlab └── readme.txt

這是 KITTI 官方提供的開發套件以及使用說明，本文將取其精華，去其糟粕。

2.2 data_object_calib

目錄結構如下

data_object_calib ├── testing │ └── calib └── training└── calib

這些文件夾分別存放著訓練集以及測試集每個樣本的標定數據，其中測試集7518個，訓練集7481個。
每個樣本的標定文件如下圖所示，此處坐標系轉換理論詳見【點云處理】坐標系轉換。
官方的 readme 也給出了說明：
To project a point from Velodyne coordinates into the left color image,
you can use this formula: x = P2 * R0_rect * Tr_velo_to_cam * y
For the right color image: x = P3 * R0_rect * Tr_velo_to_cam * y
顯然，從雷達坐標系轉到 2 號相機坐標系用到了 R(3x3的旋轉矩陣) 以及 T(3x1的平移矩陣)。

2.3 data_object_label_2

目錄結構如下

data_object_label_2 ├── training└── label_2

這是標注文件，是的，你沒看錯，只有訓練集的標注，沒有測試集的，原因你懂的。
下圖是某樣本的標注文件，這里具體含義官方也給了說明：


注意：這里的 DontCare 標簽代表沒有標注的目標，原因可能是距離太遠已經超出激光雷達的檢測范圍了，沒有意義。此外，在 2D 與 3D Detection Benchmark 中只針對 Car，Pedestrain, Cyclist 這三類。

2.4 data_object_image_2

目錄結構如下

data_object_image_2 |── testing │ └── image_2 └── training └── image_2

這是 RGB 數據，分為測試集與訓練集。

2.5 data_object_velodyne

這是激光雷達點云數據，點云數據被保存為二進制文件，每個點包含 3 個坐標和反射率信息，即 (x,y,z,r)。

3 使用

這必須依據你的工作需要，合理安排數據組織形式，這里提供一個 3D 檢測工作 F-PointNet 的數據組織形式。

data/kitti ├── testing │ ├── calib │ ├── image_2 │ └── velodyne └── training├── calib├── image_2├── label_2└── velodyne

相關傳送門

計算機視覺工程師的萬里長征路(附完整學習資料)

陌生人，祝你數據集玩得愉快，效果都是 SOTA，點個贊再走唄。

總結

以上是生活随笔為你收集整理的一文多图搞懂KITTI检测数据集下载使用(附网盘链接)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。